기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
SynthesizeSpeech와 StartSpeechSynthesisStream 비교
SynthesizeSpeech는 요청-응답 작업입니다. 단일 요청으로 전체 텍스트를 제공하고 단일 응답으로 전체 합성 오디오를 수신합니다. 모든 엔진(표준, 신경, 롱폼, 생성형), 스피치 마크를 포함한 모든 출력 형식을 지원하며 요청당 총 6,000자(이 중 3,000자를 초과할 수 없음)의 텍스트 제한이 있습니다. 응답은 첫 번째 바이트를 사용할 수 있게 되는 즉시 오디오를 다시 스트리밍합니다. 모든 텍스트를 미리 사용할 수 있는 경우이 작업을 사용합니다.
StartSpeechSynthesisStream은 양방향 스트리밍 작업입니다. 텍스트가 합성될 때 증분적으로 전송하고 오디오를 수신하는 HTTP/2 연결을 엽니다. 텍스트는 지속적으로 스트리밍되므로 요청당 텍스트 제한은 없습니다. 생성형 엔진이 필요하며 스피치 마크를 지원하지 않습니다. 텍스트가 점진적으로 도착하고 모든 입력을 사용할 수 있기 전에 오디오 출력을 시작하려는 경우이 작업을 사용합니다. 일반적인 시나리오는 다음과 같습니다.
-
대화형 AI 및 음성 어시스턴트. 대규모 언어 모델은 작은 청크(토큰)로 응답 텍스트를 생성합니다. 모델이 아직 생성되는 동안 사용자가 음성을 들을 수 있도록 각 텍스트 청크가 도착하면 Amazon Polly에 전달합니다.
-
실시간 번역. 번역 시스템은 번역된 텍스트 세그먼트를 세그먼트별로 생성합니다. 전체 번역이 완료될 때까지 기다리지 않고 합성을 위해 각 세그먼트를 스트리밍합니다.
-
SynthesizeSpeech 제한을 초과하는 롱폼 콘텐츠입니다. 6,000자보다 긴 텍스트는 여러 요청으로 분할하거나 청크 경계를 관리하지 않고도 지속적으로 스트리밍할 수 있습니다.
| 속성 | SynthesizeSpeech | StartSpeechSynthesisStream |
|---|---|---|
프로토콜 |
요청-응답 |
양방향 이벤트 스트림(HTTP/2) |
텍스트 전송 |
요청 본문의 전체 텍스트 |
TextEvent 메시지를 통해 입력 텍스트 스트리밍 |
오디오 전송 |
HTTP 응답 본문을 통한 오디오 응답 스트리밍 |
AudioEvent 메시지를 통한 오디오 응답 스트리밍 |
엔진 지원 |
표준, 신경, 롱폼, 생성형 |
생성형 전용 |
SSML 지원 |
예(모든 엔진, 지원되는 태그는 엔진마다 다름) |
예(생성 엔진 태그만 해당) |
어휘 |
예 |
예 |
스피치 마크 |
예 |
아니요 |
텍스트 제한 |
요청당 총 6,000자(3,000자 청구) |
TextEvent당 총 6,000자(3,000자 청구) |
AWS CLI 지원 |
예 |
아니요(양방향 스트리밍에는 SDK 필요) |
